财π新闻 以往车间里，工艺调试、设备运维离不开老师傅的经验判断。如今集控大屏参数实时跳动，智能仪表全天候监测设备状态，一场AI变革正在传统制造车间悄然发生。经过持续数字化改造，大批工厂完成设备联网、数据归集，冶金、装备、化工等多条赛道的工业垂类AI模型陆续落地，应用场景正从质检、故障预警向工艺优化、生产决策纵深拓展。随着国产大模型迎来发展风口，打通数据、模型、算力关键环节，深化产学研协同，能够有效激活制造业数字化沉淀，跑出新一代智能制造升级加速度。传统工厂搭上AI快车的核心在于夯实数字化底座、构建行业专属大模型并实现数据、算力与产业生态的协同，这一整套落地路径正在国内多个制造产业集群逐步落地，为传统产业智能化转型提供清晰可参照的实践方向。

夯实数据底座，将隐性经验显性化，是传统工厂接入AI体系的首要前提。当前制造业数字化建设已跨过单纯追求设备联网、数据采集的初级阶段，更加聚焦数据价值挖掘与场景落地，通过数据赋能质量管控、设备运维、能耗优化、生产调度，实现降本提质增效。工业制造领域蕴藏大量沉淀在人工经验、纸质台账、零散记录中的隐性知识，这些长期依托一线从业者口口相传、实操积累形成的生产智慧，此前始终难以转化为可复用、可流转的标准化资源，也成为AI技术落地工业场景的核心阻碍。企业需要系统梳理这些散落在不同岗位、不同载体中的隐性知识，通过标准化的数据治理流程完成萃取、分类、标注，将原本依附于个体的经验转化为可追溯、可调用的工业数据资产，为AI落地筑牢底层基础。走进本钢板材冷轧总厂第三冷轧厂，集控中心大屏上，各条生产线的工艺参数、检测数据实时更新，核心生产环节已实现稳定自动化运行，智能化改造成效持续显现。本钢板材冷轧总厂首席工程师王平表示，现在钢板切割工序已实现系统自动筛查核验，后续结合人工智能技术，可进一步提升极端复杂工况下的精准控制水平。钢铁产业工序链条长、工况变量多，设备状态、原料属性、工艺参数与成品质量高度耦合，长期以来，生产微调、故障处置、工艺优化高度依赖资深工程师和一线技工的经验积累。随着数字化改造持续落地，行业正加速将沉淀多年的“人脑经验”转化为标准化、可追溯、可复用的工业数据与知识体系，为人工智能落地筑牢底层基础。深耕工业智能化服务领域的大连坤达自动化有限公司，聚焦生产环节精细化管控，布局机床刀具智能管理全流程体系，搭建覆盖刀具使用、损耗监测、维保调度、寿命管理的一体化智能平台。企业负责人陈英伟表示，工业制造领域蕴藏大量沉淀在人工经验、纸质台账、零散记录中的隐性知识，通过系统梳理、数据萃取、模型训练，能够转化为工业AI迭代升级的核心资源，而标准化的数据治理、业务梳理，是工业智能化落地的前置关键环节。

打造垂类大模型，推动AI深入产线解难题，是工业智能化从基础建设走向实际应用的核心环节。制造业不能仅依靠通用大模型，必须基于细分行业海量专属数据训练垂直模型，搭建精准专业的工业知识库。国内知名软件企业信华信技术股份有限公司深耕工业大模型落地应用，公司副总裁孙伟宏认为，通用大模型如同掌握通识的“通才”，适配全领域基础问答与逻辑处理，而制造业转型升级的核心，是基于细分行业海量专属数据训练垂直模型，打造深耕产业、适配工艺、贴合厂区实际的“行业专家”“企业专属AI”。工业大模型落地生产现场，核心前提是搭建精准、完备、专业的工业知识库，不同行业、不同产线的设备体系、工艺逻辑、生产标准差异显著，唯有经过长期数据治理、场景磨合、模型迭代，才能让人工智能真正读懂工业生产的复杂逻辑，适配真实生产需求。大模型技术快速普及，正在悄悄改写传统工厂的智能化逻辑。几年前，制造企业拼的是“有没有智能系统、能不能上云上网”；如今行业比拼的是AI能不能进产线、能不能解难题、能不能提效益。从“装设备、建系统”的硬件建设，转向“用数据、训模型、优生产”的软性升级，工业智能化正在走进真正的深水区。工厂里每天跳动的上万条参数、设备运行记录、质量检测数据，过去大多静静躺在系统后台，很少真正被利用。制造场景工况复杂、设备型号繁杂、工艺路径各异，数据标准不统一、系统不互通，大量宝贵生产经验长期靠老师傅口口相传。如今，行业正在把这些沉睡的数据、零散的经验“唤醒”，通过治理、建模、训练，变成可以实时指导生产的工业智能能力。在通用技术沈阳机床有限责任公司，企业凭借多年数控技术积累，依托自研数控系统、5G专网和工业互联网平台，机床加工不再依靠人工反复调试参数，AI可以根据材质变化、刀具损耗、设备震动实时微调工艺，实现加工误差自动修正、设备隐患提前预警。曾经高度依赖技师手感和经验的精密加工环节，如今实现标准化、智能化、柔性化生产，大批量、高精度零部件加工效率显著提升，为国内工业母机智能化升级树立了可复制样本。沈鼓集团股份有限公司把数十年装备研发、试验、运维积累的五万余份工程数据充分盘活，训练专属装备制造垂直大模型。以往新产品研发、故障排查依赖资深工程师反复推演，周期长、成本高。如今AI可以快速调取历史工况、比对同类案例、辅助优化设计，大幅压缩新品研发周期，提升设备运行稳定性，让传统重工企业的技术积累转化为智能化时代的核心竞争力。

构建协同创新生态，提供普惠算力降低门槛，是覆盖不同规模制造企业智能化需求的重要支撑。工业智能化转型并非头部企业的专属路径，量大面广的中小制造企业同样有迫切的升级需求，但长期以来受限于算力资源不足、技术储备薄弱等现实问题，难以独立完成大模型训练与调试工作。通过龙头出场景、科研出方案、企业抓落地的模式联合攻关，能够有效整合不同主体的资源优势，集中力量突破行业共性技术难题。辽宁组建智能化工联合创新实验室，化工垂直大模型攻关取得实质性进展，瞄准化工工艺仿真、安全预警等行业共性难题集中突破，形成“龙头出场景、科研出方案、企业抓落地”的协同创新模式，一批标杆项目正在石化产业园区加快落地应用。算力平台多点布局，普惠算力为中小企业松绑减负。沈阳、大连两个人工智能计算中心持续扩容提质，面向装备制造、精细化工等产业开放端边云协同算力服务。过去无力自建算力的中小制造企业，如今可以按需低成本租用算力资源，自主开展数据治理与模型调试工作，无需承担高额的算力硬件投入成本，有效跨越智能化门槛，让AI技术的红利能够覆盖更多市场主体，推动区域内制造业整体智能化水平同步提升。

拓展应用边界，从单点试点迈向体系升级，是工业智能化走向成熟的必然趋势。经过多年迭代建设，传统制造业自动化、数字化底座持续夯实，为AI深度渗透生产场景创造了坚实条件。行业智能化应用边界持续拓宽，逐步从单点质检、故障预警、数据分析，延伸至全流程工艺优化、设备全生命周期管理、生产协同智能决策等核心场景，新一代智能制造应用体系加速成形。AI应用正从单点质检、故障预警向全流程工艺优化、设备全生命周期管理、生产智能决策纵深拓展，企业评估AI价值的标准已转变为能否真正减少停机、稳定品质、降低能耗和压缩工期，这一务实的评估导向，倒逼工业智能化始终贴近真实生产场景，避免脱离实际的技术堆砌，让AI技术真正服务于生产核心环节，实现降本提质增效的最终目标。不同制造企业可以结合自身的生产特性与数字化基础，逐步推进AI应用的落地与拓展，从单个生产环节的智能化试点起步，逐步打通不同工序、不同部门的数据链路，最终实现全生产体系的智能协同，让传统制造工厂在AI技术的赋能下，持续释放新的发展活力。

(编辑：徐松丽)